Python Pandas（5）：Pandas Excel 文件操作

        Pandas 提供了丰富的 Excel 文件操作功能，帮助我们方便地读取和写入 .xls 和 .xlsx 文件，支持多表单、索引、列选择等复杂操作，是数据分析中必备的工具。

操作	方法	说明
读取 Excel 文件	pd.read_excel()	读取 Excel 文件，返回 DataFrame
将 DataFrame 写入 Excel	DataFrame.to_excel()	将 DataFrame 写入 Excel 文件
加载 Excel 文件	pd.ExcelFile()	加载 Excel 文件并访问多个表单
使用 ExcelWriter 写多个表单	pd.ExcelWriter()	写入多个 DataFrame 到同一 Excel 文件的不同表单

1 读取 Excel 文件

    pd.read_excel() 方法用于从 Excel 文件中读取数据并加载为 DataFrame。它支持读取 .xls 和 .xlsx 格式的文件。语法格式如下：

pandas.read_excel(io, sheet_name=0, *, header=0, names=None, index_col=None, usecols=None, dtype=None, engine=None, converters=None, true_values=None, false_values=None, skiprows=None, nrows=None, na_values=None, keep_default_na=True, na_filter=True, verbose=False, parse_dates=False, date_parser=<no_default>, date_format=None, thousands=None, decimal='.', comment=None, skipfooter=0, storage_options=None, dtype_backend=<no_default>, engine_kwargs=None)

• io：这是必需的参数，指定了要读取的 Excel 文件的路径或文件对象。
• sheet_name=0：指定要读取的工作表名称或索引。默认为0，即第一个工作表。
• header=0：指定用作列名的行。默认为0，即第一行。
• names=None：用于指定列名的列表。如果提供，将覆盖文件中的列名。
• index_col=None：指定用作行索引的列。可以是列的名称或数字。
• usecols=None：指定要读取的列。可以是列名的列表或列索引的列表。
• dtype=None：指定列的数据类型。可以是字典格式，键为列名，值为数据类型。
• engine=None：指定解析引擎。默认为None，pandas 会自动选择。
• converters=None：用于转换数据的函数字典。
• true_values=None：指定应该被视为布尔值True的值。
• false_values=None：指定应该被视为布尔值False的值。
• skiprows=None：指定要跳过的行数或要跳过的行的列表。
• nrows=None：指定要读取的行数。
• na_values=None：指定应该被视为缺失值的值。
• keep_default_na=True：指定是否要将默认的缺失值（例如NaN）解析为NA。
• na_filter=True：指定是否要将数据转换为NA。
• verbose=False：指定是否要输出详细的进度信息。
• parse_dates=False：指定是否要解析日期。
• date_parser=<no_default>：用于解析日期的函数。
• date_format=None：指定日期的格式。
• thousands=None：指定千位分隔符。
• decimal='.'：指定小数点字符。
• comment=None：指定注释字符。
• skipfooter=0：指定要跳过的文件末尾的行数。
• storage_options=None：用于云存储的参数字典。
• dtype_backend=<no_default>：指定数据类型后端。
• engine_kwargs=None：传递给引擎的额外参数字典。

        本文以 runoob_pandas_data.xlsx 为例，下载链接：https://static.jyshare.com/download/runoob_pandas_data.xlsx

import pandas as pd# 读取 data.xlsx 文件
df = pd.read_excel('runoob_pandas_data.xlsx')# 打印读取的 DataFrame
print(df)

        read_excel 默认读取第一个表单（sheet_name=0），假设 data.xlsx 文件中只有一个表单，读取后的数据会存储在一个 DataFrame 中。如果 data.xlsx 文件中有多个表单，可以通过指定 sheet_name 来读取特定表单的数据，例如 pd.read_excel('data.xlsx', sheet_name='Sheet1')。

import pandas as pd# 读取默认的第一个表单
df = pd.read_excel('data.xlsx')
print(df)# 读取指定表单的内容（表单名称）
df = pd.read_excel('data.xlsx', sheet_name='Sheet1')
print(df)# 读取多个表单，返回一个字典
dfs = pd.read_excel('data.xlsx', sheet_name=['Sheet1', 'Sheet2'])
print(dfs)# 自定义列名并跳过前两行
df = pd.read_excel('data.xlsx', header=None, names=['A', 'B', 'C'], skiprows=2)
print(df)

2 将 DataFrame 写入 Excel 文件

    to_excel() 方法用于将 DataFrame 写入 Excel 文件，支持 .xls 和 .xlsx 格式。

DataFrame.to_excel(excel_writer, *, sheet_name='Sheet1', na_rep='', float_format=None, columns=None, header=True, index=True, index_label=None, startrow=0, startcol=0, engine=None, merge_cells=True, inf_rep='inf', freeze_panes=None, storage_options=None, engine_kwargs=None)

• excel_writer：这是必需的参数，指定了要写入的 Excel 文件路径或文件对象。
• sheet_name='Sheet1'：指定写入的工作表名称，默认为 'Sheet1'。
• na_rep=''：指定在 Excel 文件中表示缺失值（NaN）的字符串，默认为空字符串。
• float_format=None：指定浮点数的格式。如果为 None，则使用 Excel 的默认格式。
• columns=None：指定要写入的列。如果为 None，则写入所有列。
• header=True：指定是否写入列名作为第一行。如果为 False，则不写入列名。
• index=True：指定是否写入索引作为第一列。如果为 False，则不写入索引。
• index_label=None：指定索引列的标签。如果为 None，则不写入索引标签。
• startrow=0：指定开始写入的行号，默认从第0行开始。
• startcol=0：指定开始写入的列号，默认从第0列开始。
• engine=None：指定写入 Excel 文件时使用的引擎，默认为 None，pandas 会自动选择。
• merge_cells=True：指定是否合并单元格。如果为 True，则合并具有相同值的单元格。
• inf_rep='inf'：指定在 Excel 文件中表示无穷大值的字符串，默认为 'inf'。
• freeze_panes=None：指定冻结窗格的位置。如果为 None，则不冻结窗格。
• storage_options=None：用于云存储的参数字典。
• engine_kwargs=None：传递给引擎的额外参数字典。

import pandas as pd# 创建一个简单的 DataFrame
df = pd.DataFrame({'Name': ['Alice', 'Bob', 'Charlie'],'Age': [25, 30, 35],'City': ['New York', 'Los Angeles', 'Chicago']
})# 将 DataFrame 写入 Excel 文件，写入 'Sheet1' 表单
df.to_excel('output.xlsx', sheet_name='Sheet1', index=False)# 写入多个表单，使用 ExcelWriter
with pd.ExcelWriter('output.xlsx') as writer:df.to_excel(writer, sheet_name='Sheet1', index=False)
df.to_excel(writer, sheet_name='Sheet2', index=False)

3 加载 Excel 文件

    ExcelFile 是一个用于读取 Excel 文件的类，它可以处理多个表单，并在不重新打开文件的情况下访问其中的数据。

excel_file = pd.ExcelFile('data.xlsx')

方法	功能描述
sheet_names	返回文件中所有表单的名称列表
parse(sheet_name)	解析指定表单并返回一个 DataFrame
close()	关闭文件，以释放资源

import pandas as pd# 使用 ExcelFile 加载 Excel 文件
excel_file = pd.ExcelFile('data.xlsx')# 查看所有表单的名称
print(excel_file.sheet_names)# 读取指定的表单
df = excel_file.parse('Sheet1')
print(df)# 关闭文件
excel_file.close()

4 写入 Excel 文件

        ExcelWriter 是 pandas 提供的一个类，用于将 DataFrame 或 Series 对象写入 Excel 文件。使用 ExcelWriter，你可以在一个 Excel 文件中写入多个工作表，并且可以更灵活地控制写入过程。

pandas.ExcelWriter(path, engine=None, date_format=None, datetime_format=None, mode='w', storage_options=None, if_sheet_exists=None, engine_kwargs=None)

• path：这是必需的参数，指定了要写入的 Excel 文件的路径、URL 或文件对象。可以是本地文件路径、远程存储路径（如 S3）、URL 链接或已打开的文件对象。
• engine：这是一个可选参数，用于指定写入 Excel 文件的引擎。如果为 None，则 pandas 会自动选择一个可用的引擎（默认优先选择 openpyxl，如果不可用则选择其他可用引擎）。常见的引擎包括 'openpyxl'（用于 .xlsx 文件）、'xlsxwriter'（提供高级格式化和图表功能）、'odf'（用于 OpenDocument 格式如 .ods）等。
• date_format：这是一个可选参数，指定写入 Excel 文件中日期的格式字符串，例如 "YYYY-MM-DD"。
• datetime_format：这是一个可选参数，指定写入 Excel 文件中日期时间对象的格式字符串，例如 "YYYY-MM-DD HH:MM:SS"。
• mode：这是一个可选参数，默认为 'w'，表示写入模式。如果设置为 'a'，则表示追加模式，向现有文件中添加数据（仅支持部分引擎，如 openpyxl）。
• storage_options：这是一个可选参数，用于指定与存储后端连接的额外选项，例如认证信息、访问权限等，适用于写入远程存储（如 S3、GCS）。
• if_sheet_exists：这是一个可选参数，默认为 'error'，指定如果工作表已经存在时的行为。选项包括 'error'（抛出错误）、'new'（创建一个新工作表）、'replace'（替换现有工作表的内容）、'overlay'（在现有工作表上覆盖写入）。
• engine_kwargs：这是一个可选参数，用于传递给引擎的其他关键字参数。这些参数会传递给相应引擎的函数，例如 xlsxwriter.Workbook(file, **engine_kwargs) 或 openpyxl.Workbook(**engine_kwargs) 等。

4.1 ExcelWriter

        基本语法：

with ExcelWriter('output.xlsx') as writer:df.to_excel(writer, sheet_name='Sheet1')

        你可以使用同一个 ExcelWriter 对象将不同的 DataFrame 写入同一个 Excel 文件的不同工作表。

import pandas as pddf1 = pd.DataFrame([["AAA", "BBB"]], columns=["Spam", "Egg"])
df2 = pd.DataFrame([["ABC", "XYZ"]], columns=["Foo", "Bar"])
with pd.ExcelWriter("path_to_file.xlsx") as writer:df1.to_excel(writer, sheet_name="Sheet1")df2.to_excel(writer, sheet_name="Sheet2")

4.2 设置日期格式或日期时间格式

from datetime import date, datetimeimport pandas as pddf = pd.DataFrame([[date(2014, 1, 31), date(1999, 9, 24)],[datetime(1998, 5, 26, 23, 33, 4), datetime(2014, 2, 28, 13, 5, 13)],],index=["Date", "Datetime"],columns=["X", "Y"],
)
with pd.ExcelWriter("path_to_file.xlsx",date_format="YYYY-MM-DD",datetime_format="YYYY-MM-DD HH:MM:SS"
) as writer:df.to_excel(writer)

4.3 向现有 Excel 文件追加内容

with pd.ExcelWriter("path_to_file.xlsx", mode="a", engine="openpyxl") as writer:df.to_excel(writer, sheet_name="Sheet3")

        使用 if_sheet_exists 参数替换已存在的工作表：

with ExcelWriter("path_to_file.xlsx",mode="a",engine="openpyxl",if_sheet_exists="replace",
) as writer:df.to_excel(writer, sheet_name="Sheet1")

        向同一个工作表写入多个 DataFrame，注意 if_sheet_exists 参数需要设置为 overlay：

with ExcelWriter("path_to_file.xlsx",mode="a",engine="openpyxl",if_sheet_exists="overlay",
) as writer:df1.to_excel(writer, sheet_name="Sheet1")df2.to_excel(writer, sheet_name="Sheet1", startcol=3)

4.4 将 Excel 文件存储在内存中

import ioimport pandas as pddf = pd.DataFrame([["ABC", "XYZ"]], columns=["Foo", "Bar"])
buffer = io.BytesIO()
with pd.ExcelWriter(buffer) as writer:df.to_excel(writer)

4.5 将 Excel 文件打包到 zip 压缩文件中

import zipfileimport pandas as pddf = pd.DataFrame([["ABC", "XYZ"]], columns=["Foo", "Bar"])
with zipfile.ZipFile("path_to_file.zip", "w") as zf:with zf.open("filename.xlsx", "w") as buffer:with pd.ExcelWriter(buffer) as writer:df.to_excel(writer)

4.6 向底层引擎传递额外的参数

with pd.ExcelWriter("path_to_file.xlsx",engine="xlsxwriter",engine_kwargs={"options": {"nan_inf_to_errors": True}}
) as writer:df.to_excel(writer)

        在追加模式下，engine_kwargs 会传递给 openpyxl 的 load_workbook：

with pd.ExcelWriter("path_to_file.xlsx",engine="openpyxl",mode="a",engine_kwargs={"keep_vba": True}
) as writer:df.to_excel(writer, sheet_name="Sheet2")